Découpage en tuiles haute résolution

Utilise tile=True pour traiter les images haute résolution en fenêtres chevauchantes avant de les redimensionner à la taille d’entrée du modèle. Cela peut préserver les détails des petits objets qui seraient perdus en redimensionnant l’image entière. Aucun paquet supplémentaire n’est nécessaire.

Le mosaïquage utilise les pipelines habituels d’entraînement, de validation et de prédiction. La prédiction renvoie un objet Results par image d’origine. La validation fusionne les prédictions avant de les évaluer par rapport aux annotations d’origine ; la perte d’entraînement est calculée sur les tuiles.

Utilisation#

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(data="aerial.yaml", tile=True, imgsz=640)
metrics = model.val(data="aerial.yaml", tile=True, imgsz=640)
results = model.predict("large-image.tif", tile=640, imgsz=640, batch=8)

yolo predict model=yolo26n.pt source=large-image.tif tile=640 imgsz=640 batch=8

tile=True utilise imgsz comme taille de fenêtre. Un entier positif, comme tile=1024, définit la taille de la fenêtre indépendamment de imgsz. tile=False est la valeur par défaut. Les fenêtres se chevauchent de 20 %, les dernières étant alignées sur le bord de l'image. Les images plus petites utilisent une seule fenêtre couvrant toute l'image.

batch contrôle le nombre de tuiles traitées ensemble par le modèle pendant la prédiction. Le backend existant gère les tailles de lot fixes à l’exportation, y compris le dernier lot incomplet. Les modèles exportés conservent leur graphe d’entrée habituel ; le mosaïquage est exécuté dans le pipeline de prédiction Python.

Pour la vidéo, diffuse les résultats afin de limiter l'utilisation de la mémoire et utilise les options de prédiction existantes pour les enregistrer ou les afficher :

for result in model.predict("video.mp4", tile=640, stream=True, save=True):
    print(result.boxes)

yolo predict model=yolo26n.pt source=video.mp4 tile=640 save=True

Tâches et modèles#

Le pipeline partagé prend en charge la prédiction avec les modèles de tâches YOLO, YOLO-World, YOLOE, RT-DETR et FastSAM. Les invites visuelles de YOLOE sont intégrées à partir de l’image source entière, puis réutilisées par ses tuiles. FastSAM sélectionne les masques sollicités après leur fusion dans les coordonnées de l’image source. Les prédicteurs SAM conservent leur propre pipeline de génération d’invites et de recadrages ; ils n’acceptent pas tile.

Pendant l'entraînement, les boîtes et les polygones sont recadrés à la taille de leurs fenêtres, le découpage des OBB préserve leur orientation et les points clés situés hors des fenêtres perdent leur visibilité. Les instances dont la boîte englobante conserve moins de 10 % de sa surface d'origine sont supprimées. Les fenêtres vides sont conservées comme exemples négatifs. Les cibles sémantiques et de profondeur utilisent les mêmes fenêtres que leurs images.

Performances et qualité#

• Le mosaïquage effectue davantage de passes du modèle que l’inférence sur l’image entière. Choisis les tailles de tuile et de lot les plus grandes qui préservent les détails dont tu as besoin, dans les limites de la mémoire disponible.
• Les tuiles consécutives réutilisent la source décodée. Avec cache="ram", l’entraînement stocke les images sources une seule fois ; cache="disk" utilise le cache d’images existant. L’entraînement mélange les tuiles ; la mise en cache est donc particulièrement utile pour les grandes images sources compressées.
• Les masques et les cartes denses à la taille de la source nécessitent toujours une mémoire proportionnelle à la taille de l’image d’origine. max_det limite le nombre de masques d’instances conservés.
• Le mosaïquage supprime le contexte global. Valide la précision sur tes propres données, en particulier pour la classification et la profondeur, car les résultats des tuiles peuvent ne pas être cohérents à l’échelle globale.
• La suppression des doublons sélectionne les prédictions entières ; elle ne reconstitue pas un objet à partir de fragments visibles séparés. Le chevauchement réduit la troncature aux limites, mais ne peut pas l’éliminer pour les objets plus grands qu’une tuile.
• Les sources tensor, embed et visualize ne sont pas prises en charge. Le suivi s'exécute sur les prédictions fusionnées une fois par image source, y compris les caractéristiques ReID.